Источник
Про Revolut
Разбор стратегии 2025–2027, инженерной модели, архитектуры и роли AI.
Источник
Про Revolut
Разбор стратегии 2025–2027, инженерной модели, архитектуры и роли AI.
Revolut строит масштабируемую global-first финтех-платформу: лицензирование в новых регионах, продуктовая экспансия, рост B2B и высокий уровень платформенной автоматизации. В этом кейсе важно, как бизнес-цели напрямую переведены в архитектурные и организационные решения.
1. Бизнес-контекст (2025–2027)
Ориентир 100 млн клиентов к середине 2027 года и ускорение международной экспансии.
Расширение банковского присутствия в ЛатАм, Индии и Западной Европе.
Ассистенты, фрод-модели и персонализация как отдельный вектор конкурентного роста.
По публичным сигналам стратегия Revolut опирается на связку: локальные регуляторные допуски + унифицированная глобальная платформа + продуктовые эксперименты на общей технологической базе.
2. Оргмодель и инженерная культура
Продуктовые команды
- Малые кросс-функциональные скводы (обычно 6–8 человек).
- Product Owner с end-to-end ответственностью за результат.
- Высокая автономия команд при жестких платформенных стандартах.
Инженерная дисциплина
- Качество в зоне ответственности разработчиков (без выделенного QA-контура).
- Тестирование, эксплуатация и мониторинг сервисов внутри продуктовых команд.
- Платформенная команда фокусируется на инструментах, а не на ручной поддержке.
3. Технический фундамент
Продакшн-стек на Google Cloud: GKE, Compute Engine и managed cloud сервисы.
Java 21, PostgreSQL (jOOQ), Redis, Kubernetes; паттерны DDD/CQRS/TDD.
Широкое применение событийной интеграции и собственной event-streaming шины.
Платформа строится вокруг проверяемости, контроля доступа и безопасного релизного контура.
4. Deep Dive: Extreme DevOps Automation
Доп. источник
Extreme DevOps Automation
QCon 2025 доклад о platform engineering модели Revolut.
Доп. источник
Extreme DevOps Automation
QCon 2025 доклад о platform engineering модели Revolut.
Одна из ключевых сильных сторон Revolut это превращение платформы разработки в control-plane компании: сервисный каталог, стандарты и GitOps-автоматика связывают product intent с инфраструктурной реализацией без ручных операций.
Tower
Внутренний каталог систем: единый источник истины о сервисах, связях, SLO и владельцах.
Patterns
Ограниченный набор стеков и шаблонов деплоя для repeatability и compliance.
Rhea (GitOps)
Генерация пайплайнов, политик секретов, cloud-ресурсов, алертов и дашбордов.
Trade-offs платформенной модели
- Плюс: очень высокий leverage небольшой платформенной команды.
- Плюс: меньше конфигурационного дрифта между «декларацией» и реальностью.
- Минус: ограничения по технологической свободе продуктовых команд.
- Минус: высокая цена ошибок в центральной automation-логике.
5. AI/ML в продукте и операциях
AI используется в двух плоскостях: клиентский опыт (ассистенты, персонализация) и risk/security (фрод-детекция, операционная эффективность). Важная особенность: AI не отдельный «проект», а расширение существующей продуктовой и платформенной архитектуры.
Практический вывод: для компаний такого масштаба AI дает максимальный эффект только когда встроен в стандартизованный delivery-процесс, observability и governance.